用EVIEWS处理时间序列

22
图2.2 社会消费品零售总额的原序列(蓝线)和
季节调整后序列 (TCI 序列, 红线) 23
11
X-11方法是基于移动平均法的季节调整方法。它的特 征在于除了能适应各种经济指标的性质，根据各种季节调 整的目的，选择计算方式外，在不作选择的情况下，也能 根据事先编入的统计基准，按数据的特征自动选择计算方 式。在计算过程中可根据数据中的随机因素大小，采用不 同长度的移动平均，随机因素越大，移动平均长度越大。 X-11方法是通过几次迭代来进行分解的，每一次对组成因 子的估算都进一步精化。正因为如此，X-11方法受到很高 的评价，已为欧美、日本等国的官方和民间企业、国际机 构(IMF)等采用，成为目前普遍使用的季节调整方法。
2.1.3 加权移动平均
上面介绍的12个月中心化移动平均是二次移动平均，也 可以用一次移动平均(2.1.7)式表示，这种移动平均方法就叫 做加权平均，其中每一期的权数不相等，下面介绍几种常用 的加权移动平均方法。
9
除了上述移动平均方法外，X-11季节调整法中还采 用亨德松(Henderson)的5, 9, 13和23项加权移动平均。选 择特殊的移动平均法是基于数列中存在的随机因子，随 机因子越大，求移动平均的项数应越多。
关于调整后的序列的名字。EViews在原序列名后加SA， 但也可以改变调整后的序列名，这将被存储在工作文件中。
需要注意，季节调整的观测值的个数是有限制的。X11只作用于含季节数据的序列，需要至少4整年的数据，最 多能调整20年的月度数据及30年的季度数据。
21
图2.1 社会消费品零售总额的TCI 序列 (季节调整后序列)
点 t 上的2k+1项移动平均值 MAt 的一般表示为
MAt

时间序列分析实验指导42-2-450100150200250统计与应用数学学院前言随着计算机技术的飞跃发展以及应用软件的普及，对高等院校的实验教学提出了越来越高的要求。

为实现教育思想与教学理念的不断更新，在教学中必须注重对大学生动手能力的培训和创新思维的培养，注重学生知识、能力、素质的综合协调发展。

为此，我们组织统计与应用数学学院的部分教师编写了系列实验教学指导书。

这套实验教学指导书具有以下特点：①理论与实践相结合，书中的大量经济案例紧密联系我国的经济发展实际，有利于提高学生分析问题解决问题的能力。

②理论教学与应用软件相结合，我们根据不同的课程分别介绍了SPSS、SAS、MATLAB、EVIEWS等软件的使用方法，有利于提高学生建立数学模型并能正确求解的能力。

这套实验教学指导书在编写的过程中始终得到安徽财经大学教务处、实验室管理处以及统计与应用数学学院的关心、帮助和大力支持，对此我们表示衷心的感谢！限于我们的水平，欢迎各方面对教材存在的错误和不当之处予以批评指正。

统计与数学模型分析实验中心 2007年2月目录实验一 EVIEWS中时间序列相关函数操作···························- 1 - 实验二确定性时间序列建模方法 ····································- 8 - 实验三时间序列随机性和平稳性检验 ···························· - 18 - 实验四时间序列季节性、可逆性检验 ···························· - 21 - 实验五 ARMA模型的建立、识别、检验···························· - 27 - 实验六 ARMA模型的诊断性检验····································· - 30 - 实验七 ARMA模型的预测·············································· - 31 - 实验八复习ARMA建模过程·········································· - 33 - 实验九时间序列非平稳性检验 ····································· - 35 -实验一 EVIEWS中时间序列相关函数操作【实验目的】熟悉Eviews的操作：菜单方式，命令方式；练习并掌握与时间序列分析相关的函数操作。

结果是一个平稳过程。注意到像图2.1一类的经济时间序
列常呈指数趋势增长，但是指数趋势取对数就可以转换
为线性趋势（弹性概念）。
27
另一种常用的方法是设定为单位根过程，非平稳序列
中 有 一 类 序 列 可 以 通 过 差 分 运 算 （ 从 式 2.5 至 式 2.6 的 过
程），得到具有平稳性的序列，考虑下式
即对于不同的样本点，随机扰动项之间不再是完全相互独立的， 而 是 存 在 某 种 相 关 性 ， 则 认 为 出 现 了 序 列 相 关 性 (serial correlation)。
8
由于通常假设随机扰动项都服从均值为0，同方差 的正态分布，则序列相关性也可以表示为：
E(ututs ) 0 s 0 , t 1 , 2 ,, T (1.4)
非平稳时间序列在各个时间点上的随机规律是不同 的，难以通过序列已知的信息去掌握时间序列整体上的 随机性。因此，对于一个非平稳序列去建模，预测是困 难的。但在实践中遇到的经济和金融数据大多是非平稳 的时间序列。
25
120000 100000 80000 60000 40000 20000
0 78 80 82 84 86 88 90 92 94 96 98 00 02
展过程中，一个重要的特征是 对统计均衡关系做某种形式的假设，其中一种非常特殊 的假设就是平稳性的假设。而大多数经济时间序列都是 非平稳的，因此，由20世纪80年代初Granger提出的协 整概念，引发了非平稳时间序列建模从理论到实践的飞 速发展。
2
13
Dubin-Waston统计量检验序列相关有三个主要不足： 1．D-W统计量的扰动项在原假设下依赖于数据矩阵X。 2．回归方程右边如果存在滞后因变量，D-W检验不 再有效。 3．仅仅检验是否存在一阶序列相关。 其他两种检验序列相关方法：Q-统计量和BreushGodfrey LM检验克服了上述不足，应用于大多数场合。

时间序列eviews软件课程设计一、课程目标知识目标：1. 学生能理解时间序列分析的基本概念，掌握eviews软件操作流程。

2. 学生能描述时间序列数据的特征，并运用eviews软件进行数据预处理。

3. 学生能运用eviews软件进行时间序列模型的建立和预测。

技能目标：1. 学生能运用eviews软件导入、处理和分析时间序列数据。

2. 学生能通过eviews软件绘制时间序列图，识别数据的趋势、季节性和循环性。

3. 学生能运用eviews软件进行时间序列模型的参数估计和假设检验。

情感态度价值观目标：1. 学生培养对经济学、金融学等相关领域数据分析的兴趣，提高实际应用能力。

2. 学生培养合作精神和批判性思维，学会在团队中分享观点，共同解决问题。

3. 学生通过时间序列分析的学习，增强对数据规律的洞察力，形成严谨的科学态度。

课程性质分析：本课程为选修课，旨在让学生掌握时间序列分析的基本方法，学会运用eviews软件进行数据处理和分析，提高实际操作能力。

学生特点分析：学生为高中年级，具备一定的数学基础和计算机操作能力，对经济、金融等领域有一定了解。

教学要求：结合学生特点，课程设计应注重理论与实践相结合，注重培养学生的实际操作能力和解决问题的能力。

通过分解课程目标为具体学习成果，使学生在课程学习过程中不断提升自身能力。

二、教学内容1. 时间序列分析基本概念：时间序列的定义、平稳性、自相关性和白噪声。

2. eviews软件操作基础：软件界面介绍、数据导入与编辑、图形绘制与数据处理。

3. 时间序列数据的预处理：数据清洗、缺失值处理、异常值检测与处理。

- 教材章节：第一章 时间序列分析概述，第三章 数据的预处理。

4. 时间序列模型建立：- 自回归模型（AR）- 移动平均模型（MA）- 自回归移动平均模型（ARMA）- 自回归积分移动平均模型（ARIMA）- 教材章节：第四章 时间序列模型的建立与预测。

5. 模型参数估计与假设检验：- 参数估计方法- 模型适用性检验：单位根检验、滞后阶数确定- 模型预测效果评估：预测误差分析、预测区间计算- 教材章节：第五章 模型参数估计与假设检验，第六章 模型预测与评估。